作品集

AI 工程師的面試不是比誰聽過的名詞多,而是比誰拿得出「可重現、可解釋、可演示」的證據:這一站把六個階段的成果整編成作品集。

這一階段學什麼

• 作品組合:至少 1 個 ML、1 個 DL、1 個 LLM/RAG 專題,涵蓋主線的完整能力光譜。
• README 標準:問題定義、資料來源、方法、結果、如何重現(環境與指令),陌生人照著做能跑出同樣結果。
• 實驗紀錄與評估方法:保留「試了什麼、為什麼、結果如何」的軌跡,證明成果是方法論的產物,不是運氣。
• Demo:每個專題配可互動展示或短影片,讓非技術面試官也能三分鐘看懂價值。

為什麼是現在學

求職市場上「上過課」不稀缺,「做出來、講得清」才稀缺。整理作品集同時是總複習:補評估、補文件的過程,正是面試被追問的核心。

怎麼練(具體行動)

1. 從六個階段挑出最好的三個專題,依 README 標準補齊文件。
2. 替每個專題寫一段 200 字的電梯簡報:問題、方法、成果數字。
3. 換一台乾淨環境照 README 重跑,跑不動就回頭修文件。
4. 把 RAG 專題的線上 Demo 掛上 GitHub 個人頁當門面。

完成標準

• 三個專題(ML、DL、LLM/RAG 各一)可重現、有評估方法、有 Demo 或影片。
• 任一個專題被追問「為什麼這樣設計」,都有實驗紀錄支撐答案。

⚠️ 常見誤區:專案只有結果沒有評估方法 — 面試官一句「你怎麼知道它好?」就破功。

這份作品集就是你叩門 AI 職涯的入場券:證據會替你說話。